Lead Conversion
Analysis
Turning Lead Data into Actionable Marketing Insights
Sebuah proyek analisis data end-to-end yang menelusuri 4.612 data calon peserta (leads) dari sebuah platform EdTech, untuk memahami pola apa saja yang berkaitan dengan keberhasilan konversi mereka menjadi peserta program. Analisis mencakup karakteristik demografis, kanal akuisisi, tingkat engagement di website, kelengkapan profil, dan validasi statistik menggunakan Python — dengan temuan disajikan lewat dashboard Tableau interaktif.
Tentang Dataset
Dataset ini berisi 4.612 baris data lead dari platform EdTech bernama ExtraaLearn, dengan 15 kolom (variabel). Angka 15 ini bukan hasil seleksi — itu adalah seluruh kolom yang tersedia di data mentah: 14 kolom informasi tentang lead (fitur), ditambah 1 kolom status sebagai target yang ingin diprediksi/dianalisis (apakah lead berhasil dikonversi atau tidak).
| Kolom | Tipe | Penjelasan |
|---|---|---|
ID | Teks | ID unik tiap lead |
age | Angka | Usia lead |
current_occupation | Kategori | Pekerjaan saat ini: Professional, Unemployed, atau Student |
first_interaction | Kategori | Kanal pertama kali lead berinteraksi dengan platform: Website atau Mobile App |
profile_completed | Kategori | Seberapa lengkap data profil lead diisi: High, Medium, atau Low |
website_visits | Angka | Jumlah kunjungan ke website |
time_spent_on_website | Angka | Total waktu (detik) yang dihabiskan di website |
page_views_per_visit | Angka | Rata-rata jumlah halaman yang dilihat tiap kunjungan |
last_activity | Kategori | Aktivitas terakhir lead: Website Activity, Email Activity, atau Phone Activity |
print_media_type1 | Yes/No | Apakah lead terpapar iklan media cetak tipe 1 |
print_media_type2 | Yes/No | Apakah lead terpapar iklan media cetak tipe 2 |
digital_media | Yes/No | Apakah lead terpapar iklan di media digital |
educational_channels | Yes/No | Apakah lead datang lewat kanal edukasi (forum, webinar, dsb.) |
referral | Yes/No | Apakah lead datang dari referral/rekomendasi orang lain |
status | 0 / 1 | Target — 1 jika lead berhasil dikonversi menjadi peserta, 0 jika tidak |
Dataset ini bersih — tidak ada missing values maupun data duplikat, jadi analisis bisa langsung dilakukan tanpa proses cleaning tambahan.
Business Problem
Bagaimana pengaruh sumber akuisisi (marketing channel), profil demografis, dan perilaku engagement (interaksi website, webinar) terhadap keberhasilan konversi leads menjadi peserta program?
Analisis ini bertujuan memahami karakteristik dan perilaku lead yang berkaitan dengan conversion, sehingga dapat membantu strategi marketing dan lead prioritization secara lebih terarah.
Analysis Approach
Key Findings
Exploratory Data Analysis
Q1 — Profil Demografis (Occupation)
Lead dengan status pekerjaan Professional (sudah bekerja) memiliki conversion rate tertinggi sebesar 35.51%, diikuti Unemployed (belum/tidak bekerja) sebesar 26.58%, sedangkan Student (pelajar/mahasiswa) memiliki conversion rate terendah sebesar 11.71%.
Occupation menunjukkan adanya perbedaan conversion rate antar kelompok, dengan Professional menjadi segmen yang paling responsif terhadap program.
Q2 — Kanal Akuisisi (First Interaction)
First interaction adalah kanal pertama kali seorang lead berinteraksi dengan platform, sebelum akhirnya (mungkin) menjadi peserta.
Lead yang pertama kali berinteraksi melalui Website memiliki conversion rate jauh lebih tinggi dibandingkan Mobile App.
Dataset ini juga mencatat paparan lead terhadap kanal marketing lain (media cetak, media digital, kanal edukasi, dan referral), namun breakdown conversion rate per kanal tersebut belum tersedia dalam analisis ini.
Q3 — Engagement di Website
| Metric | Not Converted | Converted |
|---|---|---|
| Website Visits | 3.58 | 3.54 |
| Time Spent on Website | 577.42 | 1,068.40 |
| Page Views / Visit | 3.03 | 3.03 |
Converted leads memiliki rata-rata waktu yang dihabiskan di website jauh lebih tinggi, yaitu 1,068.40 detik dibandingkan 577.42 detik pada non-converted leads. Sementara jumlah kunjungan website dan page views per visit relatif sama antara kedua kelompok.
Q4 — Kelengkapan Profil & Aktivitas Terakhir
Lead dengan profil yang lebih lengkap (High) menunjukkan conversion rate yang lebih tinggi dibandingkan yang profilnya kurang lengkap. Website Activity juga menjadi kategori aktivitas terakhir dengan conversion rate tertinggi.
Statistical Validation
Bagian ini menguji apakah perbedaan yang terlihat di data (misalnya rata-rata waktu di website) itu nyata secara statistik, atau cuma kebetulan semata.
Metode: Mann–Whitney U Test — sebuah uji statistik non-parametrik untuk membandingkan distribusi dua kelompok independen (dalam hal ini: kelompok Converted vs Not Converted).
Kenapa uji ini yang dipakai? Karena variabel numerik seperti time_spent_on_website tidak berdistribusi normal (bentuk sebarannya tidak simetris/lonceng). Uji seperti t-test mensyaratkan data berdistribusi normal, sehingga tidak cocok dipakai di sini. Mann–Whitney U Test dipilih karena tidak mensyaratkan hal tersebut, sehingga lebih tepat untuk kondisi data ini.
| Variabel | P-value | Hasil (α = 0.05) |
|---|---|---|
| Age | < 0.001 | Significant |
| Time Spent on Website | < 0.001 | Significant |
| Website Visits | 0.97050 | Not Significant |
| Page Views per Visit | 0.91425 | Not Significant |
Cara baca: P-value adalah nilai peluang. Jika nilainya di bawah 0.05, hasilnya dianggap Significant — artinya perbedaan yang terlihat kemungkinan besar bukan kebetulan, ada pola nyata di baliknya. Jika di atas 0.05, hasilnya Not Significant — perbedaan yang terlihat bisa jadi cuma noise/kebetulan, belum cukup bukti untuk dianggap sebagai pola nyata.
Hasil pengujian menunjukkan bahwa Age dan Time Spent on Website memiliki perbedaan yang signifikan antara lead yang converted dan not converted, sedangkan Website Visits dan Page Views per Visit tidak menunjukkan perbedaan yang signifikan.
Penting: hasil signifikan menunjukkan adanya perbedaan distribusi, bukan membuktikan hubungan sebab-akibat. Artinya, kita tahu ada pola yang nyata secara statistik, tapi ini belum tentu berarti "menghabiskan waktu lebih lama di website" yang secara langsung *menyebabkan* seseorang menjadi peserta.
Business Insights
Prioritize high-performing acquisition channels
Website menjadi first interaction dengan conversion rate tertinggi dibandingkan Mobile App.
Focus on engagement quality rather than visit frequency
Jumlah kunjungan website relatif sama, tetapi converted leads menghabiskan waktu jauh lebih lama di website.
Encourage profile completion
Lead dengan profile completion tinggi memiliki conversion rate yang jauh lebih baik.
Segment leads based on occupation
Professional memiliki conversion rate tertinggi sehingga dapat menjadi salah satu segmen prioritas.
Interactive Dashboard
Explore the full interactive Tableau dashboard — filter by occupation, channel, and engagement metrics.
Source Code
Python notebooks containing data understanding, exploratory data analysis, and statistical validation.
View on GitHub →